คำถามติดแท็ก pgm

9
มีโดเมนใดที่ Bayesian Networks มีประสิทธิภาพสูงกว่าเครือข่ายประสาทหรือไม่
เครือข่ายนิวรัลได้รับผลลัพธ์สูงสุดในงาน Computer Vision (ดูMNIST , ILSVRC , Kaggle Galaxy Challenge ) ดูเหมือนว่าพวกเขาจะเหนือกว่าทุก ๆ วิธีใน Computer Vision แต่ยังมีงานอื่น ๆ : Kaggle Molecular Activity Challenge การถดถอย: การทำนาย Kaggle Rainก็เป็นอันดับที่ 2 เช่นกัน เข้าใจและยกที่ 2นอกจากนี้ยังมีสถานที่ที่สาม - ระบุการเคลื่อนไหวมือจากการบันทึกคลื่นไฟฟ้าสมอง ฉันไม่แน่ใจเกินไปเกี่ยวกับ ASR (การรู้จำเสียงอัตโนมัติ) และการแปลด้วยเครื่อง แต่ฉันคิดว่าฉันก็เคยได้ยินว่า (เกิดขึ้นอีก) เครือข่ายประสาท (เริ่มต้น) มีประสิทธิภาพเหนือกว่าวิธีอื่น ๆ ขณะนี้ฉันกำลังเรียนรู้เกี่ยวกับ Bayesian Networks และฉันสงสัยว่าในกรณีใดโมเดลเหล่านี้มักจะถูกนำไปใช้ ดังนั้นคำถามของฉันคือ: มีการแข่งขันที่ท้าทาย / …

1
อะไรคือความแตกต่างระหว่างเครือข่าย Bayes (ไดนามิก) และ HMM
ฉันได้อ่านแล้วว่า HMMs ตัวกรองอนุภาคและตัวกรองคาลมานเป็นกรณีพิเศษของเครือข่ายเบย์แบบไดนามิก อย่างไรก็ตามฉันรู้เพียง HMM และฉันไม่เห็นความแตกต่างของเครือข่าย Bayes แบบไดนามิก ใครช่วยอธิบายหน่อยได้ไหม มันจะดีถ้าคำตอบของคุณอาจคล้ายกับต่อไปนี้ แต่สำหรับเครือข่ายเบย์: โมเดลมาร์คอฟที่ซ่อนอยู่ โมเดลมาร์คอฟที่ซ่อนอยู่ (HMM) คือ 5-tuple :λ=(S,O,A,B,Π)λ=(S,O,A,B,Π)\lambda = (S, O, A, B, \Pi) : ชุดของรัฐ (เช่น "จุดเริ่มต้นของฟอนิม", "กึ่งกลางของฟอนิม", "จุดสิ้นสุดของฟอนิม")S≠∅S≠∅S \neq \emptyset : ชุดการสังเกตที่เป็นไปได้ (สัญญาณเสียง)O≠∅O≠∅O \neq \emptyset : เมทริกซ์สุ่มซึ่งจะช่วยให้Probabilités ( ฉันเจ )ที่จะได้รับจากรัฐฉันไปยังรัฐเจA∈R|S|×|S|A∈R|S|×|S|A \in \mathbb{R}^{|S| \times |S|}(aij)(aij)(a_{ij})iiijjj : เมทริกซ์สุ่มซึ่งจะช่วยให้Probabilités ( ขk L …
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.